1 中国科学院 长春光学精密机械与物理研究所, 长春 130033
2 中国科学院大学, 北京 100049
分析了红外焦平面阵列(IRFPA)基于定标的非均匀性校正法(NUC)和基于场景的NUC算法各自的优势和问题, 在此基础上提出了联合非均匀性校正方法。根据上电时刻焦平面衬底的温度值, 从FLASH中提取事先存储的对应温度区间的增益和偏置校正参数, 初步消除探测器的非均匀性。通过分析初步校正后图像残余非均匀性噪声的特性, 提出了一种自适应非均匀性校正算法NSCT, 对经过NSCT分解后的子带图像, 利用贝叶斯阈值逐点进行信号方差和噪声方差估计, 计算出残余非均匀性噪声后并加以去除。实验结果表明, 该算法能有效提高校正精度, 并具有更强的环境适应性。
红外焦平面阵列 联合非均匀性校正 基底温度 非下采样Contourlet变换 贝叶斯阈值 IRFPA combined nonuniformity correction substrate temperature non-subsampled contourlet transform(NSCT) Bayesian threshold 强激光与粒子束
2016, 28(12): 121001
1 中国科学院长春光学精密机械与物理研究所，吉林 长春 130033
2 中国科学院大学，北京 100049
分别分析了红外焦平面阵列(IRFPA)基于定标的非均匀性校正法(NUC)和基于场景的NUC算法各自的优势和问题，在此基础上提出了联合非均匀性校正方法。根据上电时刻焦平面衬底的温度值，从FLASH中提取事先存储的对应温度区间的增益和偏置校正参数，初步消除探测器的非均匀性。通过分析初步校正后图像残余非均匀性噪声的特性，提出了用具有保边缘特性的P-M滤波取代传统神经网络算法中的四邻域均值滤波来获得期望图像，从而减小了图像边缘误差。实验结果表明，该算法收敛速度快，校正精度高，有效避免了因红外焦平面响应特性漂移而引起的图像降质。
联合非均匀性校正 衬底温度 神经网络算法 P-M模型算法 IRFPA IRFPA combined nonuniformity correction substrate temperature neural network algorithm P&M model algorithm 红外与激光工程
2016, 45(3): 0304002
昆明物理研究所电子与软件设计研究室, 云南 昆明 650223
分别分析了红外焦平面阵列(IRFPA)基于定标的非均匀性校正(NUC)算法和基于场景的NUC算法的优势和问题。在此基础上提出了联合NUC算法，其中利用基于定标的两点校正法来初步消除探测器的非均匀性，然后再采用基于场景的时域高通校正法和新型自适应滤波校正法来抑制探测器非均匀性参数漂移的影响，同时减弱系统噪声对成像质量的破坏。实验结果表明，与两点法、时域高通法以及传统自适应滤波法等具有较大工程应用价值的NUC算法相比，联合NUC算法具有稳定而且性能更为优良的校正效果。
红外技术 红外焦平面阵列 联合非均匀性校正
